Question

我正在尝试自动从webform下载一些数据。我正在使用python的mechanize模块。

网址在这里：http://www.hiv.lanl.gov/components/sequence/HIV/search/search.html 我需要填写序列长度，亚型和基因组区域。我已经找到了序列长度和基因组区域但我在选择子类型时遇到了麻烦。当我加载表单时，获取一个空的SelectControl，机械化将不允许我选择任何东西。

此代码应加载网站：

import mechanize
import cookielib

# Browser
br = mechanize.Browser()

# Cookie Jar
cj = cookielib.LWPCookieJar()
br.set_cookiejar(cj)

# Browser options
br.set_handle_equiv(True)
br.set_handle_gzip(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)

# Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)

br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]

br.open('http://www.hiv.lanl.gov/content/sequence/HIV/mainpage.html')
br.follow_link(text = 'Search Interface')

br.select_form(nr = 1)

非常感谢任何帮助。

- 将会

编辑：我尝试使用BeautifulSoup重新解析HTML（按照SO question），但没有运气。

新编辑：以下是mechanize表格的摘录。

<search POST http://www.hiv.lanl.gov/components/sequence/HIV/search/search.comp multipart/form-data
  <TextControl(value SequenceAccessions SA_GenBankAccession 1=)>
  <SelectControl(master=[Any, *HIV-1, HIV-2, SIV, SHIV, syntheticwholeDNA, NULL])>
  <TextControl(value SEQ_SAMple SSAM_common_name 1=)>
  <SelectControl(slave=[])>
  <TextControl(value SequenceEntry SE_sequenceLength 4=)>
  <CheckboxControl(sample_year_exact=[*1])>
  <TextControl(value SEQ_SAMple SSAM_Sample_year 11=)>
  <TextControl(value SEQ_SAMple SSAM_Sample_country 1=)>
  <CheckboxControl(recombinants=[Recombinants])>

由于某种原因，slave控件没有填充可能的选项。

Answer 1

问题是 Subtype <select>选项由Javascript填充，机械化不执行。当页面加载时，Javascript代码运行，使用HIV-1列表填充从属选项：

addLoadEvent(fillList(document.forms['search'].slave, lists['HIV-1']));

然而，病毒的映射 - >子类型存储在this Javascript file search.js中。您可能需要将此映射存储在Python脚本中并手动设置从属表单值。

Python mechanize SelectControl应该有值时为空

1 个答案: